本文關(guān)鍵詞：基于灰色-ARIMA的金融時(shí)間序列智能混合預(yù)測研究

  更多相關(guān)文章： 金融時(shí)間序列 灰色預(yù)測 ARIMA PSO 遺傳算法

【摘要】：提出了一種基于灰色-ARIMA的金融時(shí)間序列智能混合預(yù)測模型。首先建立金融時(shí)間序列灰色預(yù)測模型,并采用PSO算法對灰色模型的三個(gè)參數(shù)進(jìn)行優(yōu)化;利用ARIMA算法對預(yù)測模型的殘差進(jìn)行分析,同時(shí)采用遺傳算法對ARIMA的系數(shù)進(jìn)行優(yōu)化;最后用ARIMA的殘差預(yù)測結(jié)果對灰色預(yù)測模型進(jìn)行補(bǔ)償。結(jié)果表明,以較好的精度擬合一段時(shí)期內(nèi)MA107的時(shí)間序列,預(yù)測誤差控制在5%以上,與單純的灰色預(yù)測算法和神經(jīng)網(wǎng)絡(luò)算法相比,在平均絕對誤差、均方根誤差和趨勢準(zhǔn)確率三項(xiàng)評價(jià)指標(biāo)上,具有明顯優(yōu)勢。
【作者單位】： 中南大學(xué)商學(xué)院;湖南大學(xué)科學(xué)技術(shù)研究院;
【關(guān)鍵詞】： 金融時(shí)間序列 灰色預(yù)測 ARIMA PSO 遺傳算法
【基金】：教育部博士點(diǎn)基金資助項(xiàng)目(20090161120044)
【分類號(hào)】：F830;N941.5
【正文快照】： 一、引言金融市場屬典型的復(fù)雜系統(tǒng),呈現(xiàn)出較強(qiáng)的非線性和時(shí)變性特征[1]。其內(nèi)部因素和位置變量之間的關(guān)系很難用準(zhǔn)確的數(shù)學(xué)公式加以描述,難以建立完整的動(dòng)力方程。因此,研究針對金融時(shí)間序列的分析和預(yù)測方法,具有十分重要的意義。近年來,智能算法被越來越多地應(yīng)用于金融時(shí)間

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 李松;劉力軍;解永樂;;遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流混沌預(yù)測[J];控制與決策;2011年10期

2 周國雄;吳敏;;基于改進(jìn)的灰色預(yù)測的模糊神經(jīng)網(wǎng)絡(luò)控制[J];系統(tǒng)仿真學(xué)報(bào);2010年10期

3 黃安強(qiáng);肖進(jìn);汪壽陽;;一個(gè)基于集成情境知識(shí)的組合預(yù)測方法[J];系統(tǒng)工程理論與實(shí)踐;2011年S1期

4 魏_趁，

本文編號(hào)：613046